دانلود مقاله انگلیسی رایگان:پیشبرد خصوصیات با آمار پراش الکترون همبستگی و طیف سنجی اشعه X ، در میکروسکوپ الکترونی روبشی - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Advancing characterisation with statistics from correlative electron diffraction and X-ray spectroscopy, in the scanning electron microscope Advancing characterisation with statistics from correlative electron diffraction and X-ray spectroscopy, in the scanning electron microscope
    Advancing characterisation with statistics from correlative electron diffraction and X-ray spectroscopy, in the scanning electron microscope

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Advancing characterisation with statistics from correlative electron diffraction and X-ray spectroscopy, in the scanning electron microscope


    ترجمه فارسی عنوان مقاله:

    پیشبرد خصوصیات با آمار پراش الکترون همبستگی و طیف سنجی اشعه X ، در میکروسکوپ الکترونی روبشی


    منبع:

    Sciencedirect - Elsevier - © 2020 Published by Elsevier B:V:


    نویسنده:

    T.P. McAuliffe , A. Foden , C. Bilsland , D. Daskalaki-Mountanou , D. Dye , T.B. Britton


    چکیده انگلیسی:

    The routine and unique determination of minor phases in microstructures is critical to materials science. In metallurgy alone, applications include alloy and process development and the understanding of degradation in service. We develop a correlative method, exploring superalloy microstructures which are examined in the scanning electron microscope (SEM) using simultaneous energy dispersive X-ray spectroscopy (EDS) and electron backscatter diffraction (EBSD). This is performed at an appropriate length scale for characterisation of carbide phases’ shape, size, location, and distribution. EDS and EBSD data are generated using two different physical processes, but each provide a signature of the material interacting with the incoming electron beam. Recent advances in post-processing, driven by ‘big data’ approaches, include use of principal component analysis (PCA). Components are subsequently characterised to assign labels to a mapped region. To provide physically meaningful signals, the principal components may be rotated to control the distribution of variance. In this work, we develop this method further through a weighted PCA approach. We use the EDS and EBSD signals concurrently, thereby labelling each region using both EDS (chemistry) and EBSD (crystal structure) information. This provides a new method of amplifying signal-to-noise for very small phases in mapped regions, especially where the EDS or EBSD signal is not unique enough alone for classification.
    Keywords: Principal component analysis | EBSD | EDS | microstructure | carbides | superalloy


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 33
    حجم فایل: 2516 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi